ナレッジライブラリ

この記事では、過学習を、モデルが汎化するパターンではなく学習データ固有の癖を覚えてしまうことと説明します。履歴書の選別を例に、学習時の高い成績と未見データでの低い成績を対比し、シグナルではなくノイズに当てはめる問題として捉えています。また、過学習をアンダーフィッティングやバイアス・バリアンスのトレードオフと関連付けています。単純すぎるモデルは構造を捉え損ねる一方、柔軟性が高すぎるモデルはノイズに敏感になることがあります。…

この調査要約は、構成銘柄のサプライチェーンを通じてChiNext 50指数を検討し、セクター別の比率だけではテクノロジー企業と供給元・顧客とのつながりを捉えきれないと論じています。指数はテクノロジーへの集中度が高く、ヘルスケアも大きな比重を占めるとされ、企業は5Gや電気自動車など幅広い分野にまたがっています。報告書はさらに、供給元と下流顧客の双方でテクノロジーが最大セクターであり、指数構成銘柄が世界の生産ネットワークで重要な役割を担うと述べています。…

この記事では、将来リターンを予測して株式を順位付けする手法StockRankerを通じて、教師あり機械学習による定量的な株式選定を紹介します。リターンの目標値を定めてラベル付けし、観測データを学習用とテスト用に分割し、特徴量を作成してモデルを学習させ、予測を生成し、その順位に基づく戦略をバックテストする流れを説明します。特徴量はモデルと戦略の成績に大きく影響するため、選択には金融知識が重要だと強調しています。…